面向Deep Web的數(shù)據(jù)抽取與語義標(biāo)注技術(shù)研究.pdf

1、隨著Internet技術(shù)的快速發(fā)展,Web數(shù)據(jù)庫得到了廣泛應(yīng)用。這些Web數(shù)據(jù)庫能根據(jù)用戶提交的查詢請求,將存放在數(shù)據(jù)庫的對象信息以HTML頁面的形式動態(tài)呈現(xiàn)出來。對于傳統(tǒng)搜索引擎來說,這部分頁面信息是不能被索引的,我們稱之為DeepWeb。最近幾年的研究成果表明,Deep Web蘊含著大量有價值的信息。因此,Deep Web已成為一個研究熱點,受到研究人員越來越多的關(guān)注。
　　 本文對面向Deep Web的數(shù)據(jù)抽取與語義標(biāo)注技

2、術(shù)進行了研究,主要研究工作包括:
　　 1)詳細介紹了Web信息抽取的相關(guān)技術(shù)及評價標(biāo)準(zhǔn),引入了Deep Web查詢結(jié)果頁的Web對象信息抽取問題,并提出了一個自動化的Web對象抽取系統(tǒng)架構(gòu)。
　　 2)在對Deep Web查詢結(jié)果頁布局特征分析的基礎(chǔ)之上,將頁面的視覺特征與DOM模型相結(jié)合,提出了基于頁面布局的數(shù)據(jù)區(qū)域發(fā)現(xiàn)算法PLDF。
　　 3)基于對查詢結(jié)果頁面生成模型的分析,提出一種通過查找數(shù)據(jù)區(qū)域節(jié)點下